-
公开(公告)号：CN114529814B
公开(公告)日：2023-04-07
申请号：CN202210092111.4
申请日：2022-01-26
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06N3/08 , G06N3/0464 , G06V10/26 , G06V10/82
Abstract: 本发明公开了一种基于多源数据的黄土高原淤地坝提取方法，首先，对已有的高分辨率遥感影像数据和DEM数据，构建淤地坝样本数据集，构建并训练神经网络；其次，使用神经网络对遥感影像中的淤积范围进行识别，同时对研究区的DEM进行填洼、流向计算，生成汇流累积量数据，并用得到的淤积范围对该数据进行裁剪；再次，对得到的淤积范围内的流量数据进行窗口分析，统计窗口中的最大值，并赋给中心栅格，得到最大汇流量统计栅格；最后，将得到最大汇流量统计栅格减去裁剪得到的对应淤地坝流量数据，值为0的像元视为淤地坝位置。本发明节省了野外调查的时间与人力物力的成本，能为水土保持监测和淤地坝工程提供丰富、便利的基础数据。
-
公开(公告)号：CN114529466B
公开(公告)日：2023-03-10
申请号：CN202210113759.5
申请日：2022-01-30
Applicant: 南京信息工程大学
Abstract: 本发明公开一种基于多尺度高程变异系数的点云植被去除方法。首先，根据点云数据生成多尺度数字表面模型(DSM)，根据正射影像提取沟壑边界；其次，对DSM进行邻域分析和计算得到多尺度的高程变异系数图像；再次，将多尺度高程变异系数图像分为两类，一类为植被，一类为地面，分类时不处理沟壑边界区域；再次，对得到的高程变异系数结果进行叠加投票分析，若像元被分为植被的次数超过总数的一半，则认为该像元为植被；最后将得到的植被范围对原始点云进行裁剪，得到植被点和地面点。本发明提供了自动化的点云植被去除方法，免去了手动分割点云的不准确和效率低下的问题，为解决点云数据滤波和分类提供更好的方法，使点云数据能更好的用于地形建模。
-
公开(公告)号：CN114529466A
公开(公告)日：2022-05-24
申请号：CN202210113759.5
申请日：2022-01-30
Applicant: 南京信息工程大学
Abstract: 本发明公开一种基于多尺度高程变异系数的点云植被去除方法。首先，根据点云数据生成多尺度数字表面模型(DSM)，根据正射影像提取沟壑边界；其次，对DSM进行邻域分析和计算得到多尺度的高程变异系数图像；再次，将多尺度高程变异系数图像分为两类，一类为植被，一类为地面，分类时不处理沟壑边界区域；再次，对得到的高程变异系数结果进行叠加投票分析，若像元被分为植被的次数超过总数的一半，则认为该像元为植被；最后将得到的植被范围对原始点云进行裁剪，得到植被点和地面点。本发明提供了自动化的点云植被去除方法，免去了手动分割点云的不准确和效率低下的问题，为解决点云数据滤波和分类提供更好的方法，使点云数据能更好的用于地形建模。
-
公开(公告)号：CN114529814A
公开(公告)日：2022-05-24
申请号：CN202210092111.4
申请日：2022-01-26
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于多源数据的黄土高原淤地坝提取方法，首先，对已有的高分辨率遥感影像数据和DEM数据，构建淤地坝样本数据集，构建并训练神经网络；其次，使用神经网络对遥感影像中的淤地坝范围进行识别，同时对研究区的DEM进行填洼、流向计算，生成汇流累积量数据，并用得到的淤积范围对该数据进行裁剪；再次，对得到的淤地坝范围内的流量数据进行窗口分析，统计窗口中的最大值，并赋给中心栅格，得到最大汇流量统计栅格；最后，将得到最大汇流量统计栅格减去裁剪得到的对应淤地坝流量数据，值为0的像元视为淤地坝位置。本发明节省了野外调查的时间与人力物力的成本，能为水土保持监测和淤地坝工程提供丰富、便利的基础数据。
-
-
-
Search Results
4
records
(took 0.022 seconds)
